Virtual Machine Migration: A Resource Intensive Outsourcing Mechanism for Mobile Cloud Computing
在移动云计算(MCC)中,基于虚拟机(VM)迁移的进程卸载是增强智能移动设备(SMD)的主要方法。VM部署的一个挑战性方面是在VM的部署和管理中使用额外的计算资源,这迫使计算资源用于VM创建和配置。虚拟机的管理包括虚拟机全生命周期监控中的计算资源开发和SMD上虚拟机的物理资源管理。因此,基于VM迁移的应用卸载需要额外的计算资源。因此,计算资源需求和应用程序的执行时间分别增加。在本文中,我们经验审查的影响,虚拟机的部署和管理的应用程序的执行时间在不同的情况下。我们调查虚拟机部署和管理的应用程序处理在模拟环境中采用CloudSim:一个模拟工具包,提供了一个可扩展的模拟框架,模拟虚拟机部署和管理的应用程序处理在云基础设施。这项工作的重要性在于确保VM部署和管理需要SMD上的额外计算资源,以实现应用程序卸载。我们通过分析不同场景下的关键性能参数(KPPs)来评估应用程序处理中的VM部署和管理;例如VM部署,应用程序的执行时间和模拟的总执行时间。我们使用KPPs来评估不同实验方案结果的偏差。实证分析的结论是,虚拟机的部署和管理需要额外的资源上的计算主机,使其成为一个重量级的方法,在智能移动终端的进程卸载。
2012-11-30 cs.DC
Cloud-Enabled Virtual Prototypes
Robert Bosch GmbH(罗伯特·博世有限公司)
本文探讨本地与云端仿真环境在可扩展性与隐私间的权衡,分析基础设施对性能和数据安全的影响,并提出方案以增强远程仿真信任,推动虚拟原型在嵌入式AI开发中的应用。
2025-10-17 cs.DC
Scheduling Bag-of-Tasks in Clouds using Spot and Burstable Virtual Machines
领先的云提供商以不同的合同模式提供多种类型的虚拟机(VM),在可用性和可靠性方面有不同的保证。其中,最受欢迎的合约模式是按需和现货模式。在前者中,按需虚拟机以固定的单位时间成本分配,并且在整个执行期间确保其可用性。另一方面,在现货市场中,与按需虚拟机相比,虚拟机提供了巨大的折扣,但它们的可用性根据云的当前需求而波动,云可以随时终止或休眠现货虚拟机。此外,为了应对工作负载变化,云提供商还引入了可突发虚拟机的概念,与同等的非突发按需虚拟机相比,这些虚拟机能够在有限的时间内以高达20%的折扣提升各自的基准CPU性能。在目前的工作中,我们提出了突发休眠感知动态调度(突发HADS),一个框架,调度和执行任务袋的任务应用程序的最后期限的限制,利用现场和按需突发虚拟机,旨在最大限度地减少货币成本和执行时间。基于ILS元调度,Burst-HADS定义了任务到VM的初始调度映射,然后可以通过迁移休眠的点VM的任务或在VM空闲时执行工作窃取来动态更改该映射。Amazon EC2云上不同应用程序的性能结果表明,与仅使用常规按需实例的解决方案相比,Burst-HADS降低了执行的货币成本,即使在具有高点休眠率的情况下也能满足应用程序的最后期限。与仅使用点实例和非突发性按需实例的解决方案相比,它还减少了总执行时间。
2020-11-10 cs.DC
Extending and Implementing the Self-adaptive Virtual Processor for Distributed Memory Architectures
未来的众核架构很可能具有分布式内存组织,并且需要细粒度的并发管理才能有效地使用。自适应虚拟处理器(SVP)是一个抽象的并发编程模型,可以提供这一点,但该模型及其当前的实现假设一个单一的地址空间共享内存。我们调查和扩展SVP处理分布式环境,并讨论了原型SVP实现透明地支持执行异构分布式内存集群通过TCP/IP连接,同时保留原始的SVP编程模型。
2011-04-19 cs.DC
Virtual Garbage Collector (VGC): A Zone-Based Garbage Collection Architecture for Python's Parallel Runtime
VGC通过基于区域的内存管理和分区执行,提高Python运行时的可预测性和可扩展性。
2026-01-01 cs.DC cs.PL
Improved Task Scheduling for Virtual Machines in the Cloud based on the Gravitational Search Algorithm
本文提出一种基于引力搜索算法的虚拟机任务调度方案,同时优化任务执行时间与系统资源利用率,仿真实验证明其优于现有方法。
2023-11-13 cs.DC
HPC-vQPU: A Service-Export Architecture for Virtual QPUs on Batch-Scheduled HPC Systems
Pawsey Supercomputing Research Centre(帕西超级计算研究中心);The University of Western Australia(西澳大学)
针对HPC系统缺乏交互式量子后端接口的问题,提出HPC-vQPU架构,通过分离云侧控制面与HPC执行面,利用拓扑和校准感知的设备快照实现批调度环境下的虚拟QPU服务,实验验证了其低开销、高保真和容错性。
2026-05-13 cs.DC quant-ph
Review of Linpack and Cloudsim on VMM
虚拟化是一种将计算机资源划分为多个执行环境的框架,它提供了很多好处,包括灵活性,安全性,易于配置和降低成本,但同时也带来了一定程度的性能开销。而虚拟机监控器(VMM)是虚拟机系统的核心部件,其性能的好坏直接影响到整个系统的性能。本文将尝试描述有关各种虚拟机监视器(如VMware和VirtualBox)的基本知识。它还讨论和探索了可用于云计算的基准LINPACK和CloudSim。此基准测试和CloudSim可用于测量两种不同虚拟机监视器在处理速度、时间、带宽、质量和云计算网络响应方面的性能。
2014-05-26 cs.DC
A Projection-Stable Grammatical Model for the Distributed Execution of Administrative Processes with Emphasis on Actors' Views
在过去的二十年里,业务流程的分散执行一直是业务流程管理的主要研究课题之一。为了便于进程的分布式执行,已经提出了几种进程规范的模型(语言)。LSAWfP是这一领域的最新成果之一:它有助于指定具有语法模型的行政流程,除了基本要素外,还指示每个行为者与其每个任务相关的权限(阅读、写入和执行)。在本文中,我们提出了一个模型,一个完全分散和工件为中心的执行指定使用LSAWfP的管理流程。所提出的模型特别强调演员的意见:然后,它允许某些任务的机密执行,通过确保,每个演员可能只有一部分的流程的全局执行状态的看法。因此,该模型解决了业务流程执行中的一个非常重要的问题,这在现有的方法中往往是靠边站。为了实现这一点,该模型依赖于三个投影算法,允许在给定时刻部分复制进程的全局执行状态,一致地更新所获得的部分状态,并推导出新的一致的全局状态。这三个算法的提出,底层数学工具的稳定性证明和实现的建议,是本文的主要贡献。
2021-03-27 cs.DC cs.FL cs.SE
Cost optimization of data flows based on task re-ordering
在高度动态的环境中分析大数据变得越来越重要,因为对这些数据的端到端处理的需求越来越大。现代数据流非常复杂,并且没有高效的、基于成本的、全自动的、可扩展的优化解决方案可以方便流设计者。即使对于简单的数据流,现有技术的建议也不能提供接近最优的解决方案。为了解决这个问题,我们引入了一组近似算法,用于定义的组成任务的执行顺序,以最小化的总执行成本的数据流。我们还提出了数据流的并行执行的优点。我们在真实工具和合成流程中验证了我们的建议,结果表明我们可以实现显着的速度提升,更接近最佳解决方案。
2015-07-30 cs.DB cs.DC
State Without a Landlord: An Architecture Proposal for Peer-to-Peer Replication of Durable Workflow State
Platformatic Inc.(Platformatic公司)
本文提出一种点对点复制持久工作流状态的架构,以认证的仅追加日志替代中心化日志,通过单写入者纪元核心、法定人数关闭证书和显式证书管理持久性,并定义了验证核心机制的对抗性实验。
2026-09-17 cs.CR cs.DC
Budget Constrained Execution of Multiple Bag-of-Tasks Applications on the Cloud
由于性能和货币成本之间的权衡,优化任务袋(BoT)应用在云上的执行是一个难题。当需要执行多个BoT应用程序时,问题可能会进一步复杂化。在本文中,我们提出并实现了一个启发式算法,调度多个应用程序的任务到不同的云虚拟机,以最大限度地提高性能,同时满足给定的预算约束。当前的方法在任务调度方面是有限的,因为它们对应用程序可以使用的云资源的数量进行了限制。然而,在所提出的算法中没有这样的限制,并且与其他方法相比,该算法平均实现了10%的性能提高。实验结果还强调,该算法产生一致的性能,即使在低预算的限制,不能通过竞争的方法来实现。
2015-07-20 cs.DC
Deadline aware virtual machine scheduler for scientific grids and cloud computing
虚拟化技术使应用程序能够与底层硬件分离,从而提供可移植性、更好地控制执行环境和隔离的好处。它已被广泛应用于科学网格和商业云。由于虚拟化虽然有好处,但也会带来性能损失,这对于处理不确定性的系统来说可能很重要,例如高性能计算(HPC)应用程序,其中作业的截止日期很紧,并且在运行之前依赖于其他作业。主要的障碍在于弥合作业的性能要求和虚拟化技术提供的性能之间的差距,如果作业要在虚拟机中执行。在本文中,我们提出了一种新的方法来优化作业的最后期限时,在虚拟机上运行,通过开发一个最后期限感知算法,响应作业的执行延迟在实时的,并动态优化作业,以满足其最后期限的义务。我们的方法借用的概念都从信号处理和统计技术,其比较性能的结果,包括对硬件资源的利用率的影响,在本文的后面。
2010-09-24 cs.DC cs.PF cs.SE
CMI: An Online Multi-objective Genetic Autoscaler for Scientific and Engineering Workflows in Cloud Infrastructures with Unreliable Virtual Machines
云计算正在成为执行科学和工程工作流的领先范例。他们模拟的实验的大规模性质及其可变的工作负载使云成为理想的执行环境,因为它可以快速和弹性地访问大量的计算资源。自动缩放器是中间件级别的软件组件,其允许通过在调度工作流的任务时获取或终止虚拟机(VM)来缩放计算平台。在这项工作中,我们提出了一种新的在线多目标自动缩放命名为云多目标智能(CMI)的工作流,其目的是在最小化的完工时间,货币成本和潜在的影响,来自不可靠的虚拟机的错误。此外,这个问题还受到货币预算的限制。CMI负责定期解决工作流执行过程中遇到的自动缩放问题。四个著名的工作流程的模拟实验表明,CMI显着优于一个国家的最先进的autoscaler的类似特征,称为现场监测感知自动缩放(SIAA)。这些结果传达了一个坚实的基础,在其他Meta探试法的自动缩放工作流应用程序使用廉价的,但不可靠的基础设施的深入研究。
2018-11-02 cs.DC cs.NE
Virtualization technology for distributed time sensitive domains
本文报告了虚拟化技术在通用领域和实时领域的发展现状。不存在完全瞬时的数据传输/转移。在传输数据时,无论是在处理过程中还是在介质本身中,总是存在延迟。然而,大多数系统被设计为具有延迟容限的适当功能。这种延迟不可避免地会在使用额外的层(虚拟化)时受到影响。对于实时的系统,了解时间限制是至关重要的,以便不超过它们。因此,在实时领域引入虚拟化需要通过使用将提供具有确定性执行时间的结果的技术进行更深入的分析。因此,研究系统中的时间及其在各种可能情况下的行为是正确评估这一技术应用于这两个领域,特别是实时领域的关键。
2017-03-24 cs.DC cs.OS
New approach to MPI program execution time prediction
Lomonosov Moscow State University(莫斯科国立罗蒙诺索夫大学);Applied Research Center for Computer Networks (ARCCN)(计算机网络应用研究中心)
研究了MPI程序在一定计算机环境下的执行时间预测问题。这个问题随着在计算机安装的异构网络上的云计算环境中的虚拟基础设施的编排和供应而出现:超级计算机或服务器集群(例如,迷你数据中心)。云计算环境有效性的关键标准之一是程序在环境中停留的时间。该时间包括队列中的等待时间和所选物理计算机安装上的执行时间,虚拟基础架构的计算资源动态映射到该物理计算机安装。这个问题的一个组成部分是估计MPI程序在某组计算机安装上的执行时间。这对于确定程序执行的顺序和位置的正确选择是必要的。本文提出了两种新的方法来解决程序执行时间预测问题。第一种是基于皮尔逊相关系数的计算机安装分组。第二种是基于计算机安装和MPI程序的向量表示,即所谓的嵌入。嵌入技术被积极地用于推荐系统中,例如用于商品(Amazon),用于文章(Arxiv.org),用于视频(YouTube,Netflix)。本文展示了嵌入技术如何帮助预测MPI程序在特定计算机安装集上的执行时间。
2020-07-30 cs.AI cs.DC cs.LG
A Virtual Processor brings back the Free Lunch
ILNumerics GmbH(ILNumerics有限公司)
提出一种自优化的虚拟处理器,通过去中心化的协作执行段网络,在运行时自动并行化数值数组程序,无需开发者手动设计并行策略。
2026-06-04 cs.DC cs.PF cs.PL
Performance Analysis of Scientific Computing Workloads on Trusted Execution Environments
科学计算有时涉及对敏感数据的计算。根据数据和执行环境,HPC(高性能计算)用户或数据提供者可能需要机密性和/或完整性保证。为了研究基于硬件的可信执行环境(TEE)在实现安全科学计算方面的适用性,我们深入分析了AMD SEV和英特尔SGX对各种HPC基准测试的性能影响,包括传统科学计算、机器学习、图形分析和新兴科学计算工作负载。我们观察到三个主要发现:1)SEV需要在大规模NUMA机器上仔细放置内存(1个$\times$ $-$ 3.4 $\times$减速,无NUMA感知放置,1个$\times$ $-$ 1.15 $\times$减速),2)虚拟化$-$是SEV $-$的先决条件,这会导致具有不规则内存访问和大型工作集的工作负载的性能下降(1 $\times$ $-$ 4 $\times$与图形应用程序的本机执行相比减慢)和3)SGX不适合HPC,因为其有限的安全存储器大小和不灵活的编程模型(1.2 $\times$ $-$ 126 $\times$在不安全执行上减慢)。最后,我们将讨论即将推出的新的TEE设计及其对科学计算的潜在影响。
2020-10-25 cs.AR cs.CR cs.DC
Dynamic scheduling of virtual machines running hpc workloads in scientific grids
采用虚拟化的主要动机是资源隔离、容量管理和资源定制,允许资源提供商将其资源整合到虚拟机中。已经采取了各种方法来将虚拟化集成到科学网格中,特别是在高性能计算(HPC)的领域中,以在虚拟机中运行网格作业,从而能够更好地提供底层资源并在运行时定制执行环境。尽管有这些好处,但虚拟化层也会带来性能损失,而且还没有很好地理解这种开销将如何影响系统的性能,其中作业的调度时间很紧。由于这种开销会改变工作负载的类型,无论它们是内存密集型,CPU密集型还是网络I/O绑定,并且可能导致系统中运行作业的不可预测的截止日期估计。在我们的研究中,我们试图通过开发一种智能调度技术来解决这个问题,该技术用于监控虚拟机的工作负载类型和最后期限,并实时的计算系统开销,以最大限度地提高在商定的最后期限内完成的作业数量。
2010-09-24 cs.DC cs.DS cs.PF